AI突破抗药性困境!山大团队融合潜在扩散模型与MD设计新型抗菌肽

AI突破抗药性困境!山大团队融合潜在扩散模型与MD设计新型抗菌肽

💡 原文中文,约2000字,阅读约需5分钟。
📝

内容提要

世界卫生组织预测,到2050年,抗生素耐药性感染将导致每年1000万人死亡。山东大学研究团队结合潜在扩散模型与分子动力学,成功设计出抗菌肽AMP-29和AMP-24,展现出显著的抗真菌效果。

🎯

关键要点

  • 世界卫生组织预测,到2050年,抗生素耐药性感染将导致每年1000万人死亡。
  • 抗菌肽因其广谱抗菌活性和低耐药性被视为下一代抗感染药物的希望。
  • 传统设计方法难以高效探索新型抗菌肽,AI生成模型面临生成序列多样性不足的问题。
  • 山东大学研究团队结合潜在扩散模型与分子动力学,开发出AMP设计新范式。
  • 实验显示,AMP-29对耐药性白色念珠菌的抑制浓度达6.25 μM,体内疗效显著。
  • 研究团队提出通过潜在空间降维与条件约束机制,实现抗菌肽的定向生成。
  • 构建基于Transformer的双阶段架构,利用蛋白质语言模型进行特征提取。
  • 生成的60万候选序列经过严格筛选,最终筛选出有效的抗菌肽。
  • AMP-24通过形成螺旋结构插入膜内,引发环形孔洞效应,表现出独特的作用机制。
  • 未来研究可引入强化学习,将毒性预测作为生成约束条件,拓展至其他功能性肽设计。
➡️

继续阅读